Opis projektu
Duże zbiory danych (big data) elektrofizjologicznych napędzają kompleksowy model uczenia się i pamięci
Zrozumienie mózgu oraz procesu przetwarzania informacji powiązanego z uczeniem się i pamięcią będzie wymagać kompleksowego zastosowania metod eksperymentalnych oraz modeli obliczeniowych. Eksperymenty obejmujące pozyskiwanie danych nerwowych in vivo w momencie, gdy zwierzęta wykonują swe zadania, jest skomplikowane, lecz nieocenione dla opracowywania modeli predykcyjnych. Nasza zdolność do śledzenia przepływu informacji jest dodatkowo wspomagana pomiarem aktywności nerwowej jednocześnie w co najmniej dwóch obszarach mózgu. Twórcy finansowanego ze środków UE projektu CSIT opracowują zaawansowane metody matematyczne służące do analizowania dużych ilości danych elektrofizjologicznych z chronicznie implantowanych elektrod w dwóch powiązanych obszarach motorycznych normalnie zachowujących się szczurów podczas uczenia się nowych umiejętności. Wysoka gęstość elektrod o wysokiej rozdzielczości zapewnia wystarczający zestaw danych, który umożliwi przeanalizowanie tego, czy oddzielne obwody wspomagają uczenie się i gromadzenie wspomnień, czy też może za obie te funkcje odpowiada wspólny obwód.
Cel
The stability-plasticity dilemma is a critical constraint in brain networks underlying learning and memory. The dilemma is how the brain can acquire new information (plasticity) without overriding older knowledge (stability). This project aims to understand how the brain solves this dilemma by investigating the underlying circuits that allow for the transition from the initial exploration of a behavior to its long-term storage. One possibility is that distinct brain circuits drive exploration and storage. Alternatively, a shared circuit may mediate both abilities through the transfer of behaviorally relevant information across brain regions. To rigorously test these models, we need a method to measure behaviorally relevant information transfer, something that is not possible with current methods. In this project I propose to work with Dr. Panzeri, a leading expert in applying information theory to neuroscience, to develop such a method. We will apply this method to a dataset I collected during my PhD, consisting of high-resolution, high-channel count chronic multi-site in vivo electrophysiology in the rat during novel skill learning. This dataset contains simultaneously recorded activity from motor cortex and the basal ganglia, regions that have been implicated in the exploration and the storage of behaviors, respectively. The results of this project will shed light on a fundamental principle in the brain, while providing the broader field of systems neuroscience with an important tool that we will disseminate in an open source format for maximum impact. This project is an ideal progression from my PhD and will allow me to strengthen my skills in computational neuroscience, complementing my training in experimental neuroscience, and preparing me to lead an interdisciplinary lab that combines high-quality in vivo electrophysiology with cutting-edge computational methods to investigate how interactions across brain regions generate complex behaviors.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykanauki obliczeniowe
- nauki przyrodniczenauki biologiczneneurobiologianeuronauka obliczeniowa
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Program(-y)
Temat(-y)
System finansowania
MSCA-IF-EF-ST - Standard EFKoordynator
16163 Genova
Włochy